Scikit-learn 经典机器学习

表格数据上的经典 ML，缺的是可复现流程

结构化数据（数值 + 分类列、文本特征）上的分类、回归、聚类，往往卡在三件事：预处理与模型步骤混在一起导致交叉验证泄露、算法众多不知从何选起、调参和指标各说各话难以客观对比。本技能围绕 scikit-learn（建议 1.8.0，import sklearn）把「探索 → 训练 → 评估 → 上线前流水线」写成可照着走的工程路径。

技能覆盖什么

• 监督学习：逻辑/线性回归、Ridge/Lasso、树与随机森林、梯度提升、SVM、集成（Voting/Stacking）、MLP 等，用于离散类别或连续目标。
• 无监督学习：K-Means、DBSCAN、层次聚类、GMM；降维含 PCA、t-SNE、Isomap 等（UMAP 需单独装 umap-learn）。
• 评估与调参：KFold / StratifiedKFold / TimeSeriesSplit、GridSearchCV、RandomizedSearchCV 及分类/回归/聚类常用指标。
• 预处理：StandardScaler、OneHotEncoder、各类 Imputer、特征选择与多项式特征等。
• 流水线：Pipeline、ColumnTransformer 处理混合列类型，并在 CV 里联合搜索预处理与模型超参。

技能内还带分类流水线、聚类分析等示例脚本，以及 references/ 下的监督学习、无监督、评估、预处理、流水线等专题文档。

适用边界

• 面向经典、可解释的表格/文本 ML，不是深度学习训练框架。
• SVM、KNN、神经网络、K-Means 等通常需要缩放；树模型一般不必。
• 大数据集需注意内存，可选用 sklearn 面向大规模的设计；收敛警告可先加大 max_iter 或检查缩放。
• PyPI 应安装包名 scikit-learn，勿用已弃用的 sklearn 包名。